Qualidade de dados LiDARadquiridos com VANT para previsão de inundações fluviais
Luísa Gomes Pereira
ESTGA- Universidade de Aveiro
VI Encontro Nacional de Infraestruturas de Informação Geográfica 2021
Índice
Enquadramento
Objetivo
Área de estudo, dados e sistema
Metodologia e Resultados
Considerações Finais
Qualidade de dados LiDAR adquiridos com VANT para previsão de inundações fluviais
2
Revolução na aquisição e informação geo-espacial de alta resolução e precisão
Extração de informação de imagens e de LiDAR em VANT: linha de produção bem estabelecida quando usando imagens versus procedimentos ainda não maturados para o LiDAR
Publicações sobre controlo de qualidade de LiDAR em VANT em projetos de aplicação escassas. Resultados do controlo de qualidade de dados LiDAR em VANT em trabalhos científicos pode não ser abrangente uma vez que, maioritariamente, as áreas a levantar são de pequenas dimensões, o volume de dados é reduzido e o processamento não engloba várias fiadas e voos.
Enquadramento 3
Objetivo
Apresentar e discutir problemas que o utilizador final pode encontrar relativamente à qualidade dados LiDARadquiridos em VANT por empresas, bem como soluções possíveis enquadrados numa metodologia de trabalho.
Projeto FFAS: Previsão e Alerta de Inundações
Fluviais na zona urbana de Águeda
http://ffas.web.ua.pt/home/pt
4
.
Área de estudo
A área de estudo situa-se na bacia hidrográfica doVouga (Região Centro de Portugal).
Tem cerca de 560 ha e é atravessada pelo rio Águedanuma extensão de 9,8 km.
Área tem, principalmente, campos agrícolas, que sãorodeados por colinas, algumas com encostas íngremes.
A altitude do terreno varia de cerca de 1 m a 70 m.
5
.
Área de estudo
Também contém o centro de Águeda, fustigado por inundações fluviais e
pluviais e fazendo parte das 23 zonas críticas com riscos potencias significativos
de inundações identificadas pela APA.
As margens do rio têm vegetação ripícola de densidade elevada, constituída por
árvores e arbustos.
6
Nuvem de pontos
processada pela empresa
com o software LiDARMill
da Phoenix LiDAR
Systems e
georreferenciada
no sistema PT-TM06
ETRS89 e Datum
altimétrico de Cascais
42 linhas de voo, efetuadas em 4
dias a uma altura média de 50 m
A velocidade média do VANT foi de
5 m/s, o que permitiu capturar, em
média, 180 pontos/m2, num total
de 1 569 829 680 pontos.
A aquisição de dados LiDAR - 22 a 25 de janeiro de 2018 pela
empresa contratada
Dados
7
VANT DJI Matrice 600 Pro Hexacopter
Sistema
Sistema LiDAR Scout-16 constituído por um laser de varrimento multi-canal Velodyne VLP-16, o IMU OEM-ADIS16488 e 3 antenas GNSS NovAtelOEM6.
O Velodyne VPL-16 irradia 16 feixes de laser com uma divisão angular igualmente espaçada de dois graus na frente e atrás em relação à direção de voo. O varrimento é de 360º na direção perpendicular à do voo.
8
Remoção de pontos espúrios
Avaliação da densidade da nuvem de pontos
Inspeção visual da nuvem de
pontos
Visualização da nuvem em zonas de sobreposição entre fiadas;
Cálculo da exatidão planimétrica
Avaliação da da penetração em áreas densamente arborizadas
Medição das coordenadas de pontos notáveis em ortofotos e no terreno e dos correspondentes na nuvem de pontos.
Avaliação de deslocamentos em planimetria
Cálculo da exatidão altimétrica
Avaliação da
exatidão altimétrica
Metodologia
9
Cerca de 55% de pontos espúrios, posteriormente removidos com o software 3DReshaper. Nesta operação o no. de retorno do feixe foi perdido e a empresa não ofereceu solução.
A nuvem de pontos limpa ; densidade média de pontos por m2: 97,14
- 713 777 230 pontos; 17 GB de espaço em disco.
Inspeção Visual
10
Esses pontos tinham valores de altitude
negativos ou muito elevados e/ou valores
de intensidade de sinal iguais a zero.
Segundo a empresa, a maioria resultou
de um problema de firmware enquanto que
outros de reflexões espúrias (por exemplo
da estrutura do VANT, devido ao
varrimento de 360° na direção
perpendicular à do voo dos 16 feixes, ou
de múltiplas reflexões).
Inspeção Visual11
É expectável que, com base nas características de voo com um VANT, nomeadamente alta
frequência de varrimento e de pulso, baixa altura de voo e velocidade, e utilização de vários
feixes de laser, a taxa de penetração em áreas arborizadas seja elevada.
Esta propriedade desempenha um papel vital durante o processo de filtragem porque permite
a discriminação entre os pontos de terreno e não terreno, o que aumenta a fiabilidade da
filtragem e a precisão de produtos derivados, tais como o MDT.
Penetração dos feixes em zonas arborizadas.
A verificação de deslocamentos em
planimetria é essencial, especialmente
onde o terreno é íngreme e irregular.
Uma maneira de os detetar é através da
comparação de pontos em fiadas que se
sobrepõem, extraindo perfis em porções
da nuvem de pontos.
Avaliação de deslocamentos e planimetria12
São ajustados segmentos lineares aos pontos na nuvem considerados como representando
as entidades que contém os pontos selecionados nas ortofotos e no terreno. A distância
entre os pontos correspondentes é então medida manualmente. O valor encontrado para o
deslocamento foi sistematicamente da ordem de 50 cm em X e 50 cm em Y.
Avaliação de deslocamentos e planimetria
Deslocamentos em planimetria podem ser quantificados utilizando as coordenadas X e Y de
pontos notávies, de preferência em superfícies planas e disperses por toda a área de estudo
13
As coordenadas X e Y dos
pontos selecionados
são medidas em ortofotos de
grande precisão e no terreno
utilizando recetores
geodésicos GNSS.
Estes pontos são projetados
na nuvem de pontos.
Um valor semelhante na ordem dos 50 cm foi também encontrado localizando
pontos medidos no terreno e os correspondentes na nuvem de pontos
Avaliação de deslocamentos e planimetria14
Os resultados obtidos indicaram que a qualidade dos dados não era
aceitável. Verificou-se que o ajustamento de fiadas não havia sido feito.
O reprocessamento dos dados para incluir o ajustamento de fiadas
reduziu o erro em planimetria em 70%, ou seja o valor do deslocamento
em planimetria baixou para 15 cm. O ajustamento de fiadas foi
executado pela empresa usando o software LiDARMill da Phoenix
LiDAR Systems.
Avaliação de deslocamentos e planimetria
15
Avaliação da exatidão em altimetria
A exatidão em altimetria foi avaliada para toda a área de estudo usando 277
pontos de controlo, amostrados aleatória e estratificadamente, e a nuvem de
pontos filtrada no TerraScan
16
Os resíduos em Z foram obtidos utilizando o software TerraScan através do
qual os valores Z para as localizações X e Y dos pontos de controlo no
terreno foram interpolados on the fly utilizando a face do triângulo com
vértices nos três pontos mais próximos na nuvem. (Deve-se notar que com
este processo não se produz primeiro uma TIN, como habitualmente,
evitando-se desta forma os métodos de redução de pontos, normalmente
necessários quando a nuvem inclui milhões de pontos).
Média (m) EQM (m) Mínimo e Máximo (m) % de resíduos < 0,40 m
-0,04 0,15 -0,49 ; 0,60 99%
Avaliação da exatidão em altimetria
EQM e outros indicadores estatísticos
. Deve-se notar que o processo de filtragem tem um grande impacto na precisão final. A filtragem baseada no filtro Axelssonimplementado no TerraScan, foi usada, mas parâmetros envolvidos no processo de filtragem foram calibrados e foi feita também edição manual.
17
Considerações Finais
No nosso estudo de caso, a qualidade dos dados LiDAR levantou algumas questões que não eram inerentes ao sistema LiDAR mas que refletiam falhas na qualidade do serviço prestado;
A exatidão obtida de 15 cm em altimetria está em conformidade com os padrões para a produção de MDT a escalas grandes. Todavia, sem uma meticulosa inspeção da nuvem de pontos, deteção e avaliação de deslocamentos em planimetria e sua mitigação, a qualidade dos produtos derivados será reduzida.
Quando apenas se adquire a nuvem de pontos georreferenciada, considerações do ponto de vista económico devem ser feitas relacionadas com o hardware e software para o seu pós-processamento. Este deve permitir a filtragem de dados e a produção de MDT;
Outro fator importante a considerar, e relacionado com o hardware, é a quantidade de dados versus o tempo de processamento.
Neste trabalho, a filtragem da nuvem de pontos e a produção do MDT levou cerca de uma semana usando uma workstation portátil com 32 GB de RAM, um processador Intel i7-7820HQ de 2.9GHz e um disco de SSD HP Z Turbo Drive 512GB PCI.
18
Pereira, L.G.; Fernandez, P.; Mourato, S.; Matos, J.; Mayer, C.;
Marques, F. “Quality Control of Outsourced LiDAR Data Acquired with
a UAV: A Case Study”.
Remote Sens. 2021, 13, 419. https://doi.org/10.3390/rs13030419
Referências
Top Related